实验室研究与探索
實驗室研究與探索
실험실연구여탐색
LAABORATORY REESEARCH AND EXPLORATION
2014年
8期
123-126,139
,共5页
季怡%杨帆%龚声蓉%刘纯平
季怡%楊帆%龔聲蓉%劉純平
계이%양범%공성용%류순평
手势识别%Haar特征%Adaboost算法
手勢識彆%Haar特徵%Adaboost算法
수세식별%Haar특정%Adaboost산법
gesture recognition%Haar features%Adaboost algorithm
随着更多照相和视频捕捉设备的涌现,对于非接触式手势命令的识别提出了很高的需求.本文针对这一趋势,依据实验环境和实际应用的需要,提出了一种在基于OpenCV2.2视觉库和Visual Studio C++来实现的Haar的矩形特征提取并充分利用Adaboost的学习分类模块来实现对特定握拳手势的实时识别和精确定位.本方法使用的迭代算法将弱分类器训练组合为强分类器,经过基于正负样本图片的过程后,所得的级联分类器首先可以根据摄像头捕捉的视频中的实时手势位置,能够识别手势的类型并进行对应画笔轨迹的跟踪实验,并且通过具体的算法,在已识别的各个位置中,实现了去除可能的误差位置,从而使得画笔的轨迹更为流畅.根据统计,所进行的实验对室内环境下握拳手势的识别率可以达到90％,取得了良好的效果.
隨著更多照相和視頻捕捉設備的湧現,對于非接觸式手勢命令的識彆提齣瞭很高的需求.本文針對這一趨勢,依據實驗環境和實際應用的需要,提齣瞭一種在基于OpenCV2.2視覺庫和Visual Studio C++來實現的Haar的矩形特徵提取併充分利用Adaboost的學習分類模塊來實現對特定握拳手勢的實時識彆和精確定位.本方法使用的迭代算法將弱分類器訓練組閤為彊分類器,經過基于正負樣本圖片的過程後,所得的級聯分類器首先可以根據攝像頭捕捉的視頻中的實時手勢位置,能夠識彆手勢的類型併進行對應畫筆軌跡的跟蹤實驗,併且通過具體的算法,在已識彆的各箇位置中,實現瞭去除可能的誤差位置,從而使得畫筆的軌跡更為流暢.根據統計,所進行的實驗對室內環境下握拳手勢的識彆率可以達到90％,取得瞭良好的效果.
수착경다조상화시빈포착설비적용현,대우비접촉식수세명령적식별제출료흔고적수구.본문침대저일추세,의거실험배경화실제응용적수요,제출료일충재기우OpenCV2.2시각고화Visual Studio C++래실현적Haar적구형특정제취병충분이용Adaboost적학습분류모괴래실현대특정악권수세적실시식별화정학정위.본방법사용적질대산법장약분류기훈련조합위강분류기,경과기우정부양본도편적과정후,소득적급련분류기수선가이근거섭상두포착적시빈중적실시수세위치,능구식별수세적류형병진행대응화필궤적적근종실험,병차통과구체적산법,재이식별적각개위치중,실현료거제가능적오차위치,종이사득화필적궤적경위류창.근거통계,소진행적실험대실내배경하악권수세적식별솔가이체도90％,취득료량호적효과.
